DATENSCHUTZ VON VISUELLEN INFORMATIONEN VERSTEHEN UND DURCHSETZEN. ENTWICKLUNG EINES BERATERS FÜR VISUELLEN DATENSCHUTZ.
Heutzutage werden riesige Mengen visueller Informationen gesammelt und oft auch online ausgetauscht. Solche Bilder und Videos können verschiedene Arten datenschutzsensitiver Informationen enthalten, die heutzutage in großem Maßstab automatisch extrahiert werden können und eine ständig wachsende Bedrohung für die Privatsphäre der Nutzer:innen darstellen. Wir stellen uns den wissenschaftlichen Kernherausforderungen, indem wir die Privatsphäre in visuellen Informationen verstehen und durchsetzen und auf unsere Gesamtvision eines Beraters für visuellen Datenschutz hinarbeiten.
Risiken für die Privatsphäre bei visueller Information verstehen. Wir versuchen zu verstehen, welche Art von privater Information in visueller Information enthalten sein kann. Mit der raschen Entwicklung fortgeschrittener Techniken des maschinellen Lernens - insbesondere des Deep Learning - lassen sich aus den rohen Bilddaten reichhaltige und hochwertige semantische Informationen extrahieren, die von Identitäten über soziale Beziehungen bis hin zu Gewohnheiten und Verhaltensweisen reichen. Das Verständnis der Qualität und Quantität dieser Informationen ist der Schlüssel zur Bewertung von Risiken und zur Entwicklung von Gegenmaßnahmen.
Durchsetzung des Datenschutzes bei visuellen Informationen. Wir erforschen Grundlagen und Methoden zur Durchsetzung von Datenschutzrichtlinien. Da es eine natürliche Spannung zwischen Kommunikation, Nutzbarkeit und Privatsphäre gibt, spielen das Verständnis und die Ermöglichung von Kompromissen eine Schlüsselrolle. Insbesondere werden fortschrittliche Techniken des maschinellen Lernens untersucht, um multimodale Inhalte automatisch zu bereinigen, zu bearbeiten und neu zu synthetisieren, um die Privatsphäre zu schützen.
Auf dem Weg zu einem Berater für den visuellen Datenschutz. Wir arbeiten auf die Gesamtvision eines Beraters für visuellen Datenschutz hin, der Benutzer:innen bei der Bewertung und Minderung von Datenschutzrisiken in visuellen Daten unterstützt. Dieser Forschungszweig führt das Verständnis von Datenschutzrisiken und Methoden zur Durchsetzung des Datenschutzes zusammen, um den Benutzer:innen zu helfen, sich in diesem komplexen Raum zu bewegen und zu handeln. Die methodologischen Fortschritte sind mit einer Nutzerperspektive gekoppelt, die eine Personalisierung und langfristige Ziele für den Datenschutz mit sich bringt.
